Article Per Year (5 Year)
p-Index From 2019 - 2024
4.905
P-Index
This Author published in this journals
All Journal Kreano, Jurnal Matematika Kreatif-Inovatif Rekayasa: Jurnal Penerapan Teknologi dan Pembelajaran Jurnal Pendidikan MIPA Jurnal Elemen JURNAL PROFESI KEGURUAN Eduma : Mathematics Education Learning and Teaching Numeracy : Jurnal Ilmiah Pendidikan Matematika Jurnal Pendidikan Matematika (Kudus) Jurnal Tadris Matematika Jurnal Cendekia : Jurnal Pendidikan Matematika JUMLAHKU: Jurnal Matematika Ilmiah STKIP Muhammadiyah Kuningan JKPM (Jurnal Kajian Pendidikan Matematika) Symmetry: Pasundan Journal of Research in Mathematics Learning and Education Jurnal Panjar: Pengabdian Bidang Pembelajaran Unnes Journal of Mathematics Education Unnes Journal of Mathematics Pedagogy : Jurnal Pendidikan Matematika Journal of Mathematics Learning Innovation (JMLI) Prosiding Seminar Nasional Pascasarjana Proceeding of International Conference on Science, Education, and Technology JME (Journal of Mathematics Education)
Arief Agoestanto
Unknown Affiliation
Humanities Computer Science & IT Education Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 76 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search
Journal : Unnes Journal of Mathematics

 1   2 
ESTIMASI MENGGUNAKAN PENDEKATAN DERET FOURIER PADA NILAI RETURN SAHAM Khasmarawati, Vinda; Mariani, Scolastika; Agoestanto, Arief
Unnes Journal of Mathematics Vol 1 No 2 (2012)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v1i2.1061

Abstract

Return saham adalah keuntungan yang dinikmati investor atas invertasi saham yang dilakukannya. Seorang investor akan senantiasa menaruh harapan akan  mendapatkan manfaat dari upayanya. Untuk mengantisipasi perubahan  harga return saham diperlukan analisis untuk memprediksi. Metode dalam penelitian ini menggunakan formula pendekatan deret Fourier. Tujuan penelitian ini adalah mencari formula pendekatan deret Fourier untuk nilai return saham dan untuk nilai varians serta mengaplikasikannya dalam Visual Basic 6.0. Untuk menghitung data diskrit dengan pendekatan deret Fourier dapat dilakukan melalui hubungan fungsi kepadatan peluangdan integral Riemann. Koefisien-koefisien dan  yang disebut sebagai koefisien-koefisien Fourier, ditentukan oleh fungsi . Nilai return saham untuk hari ke-31  sebesar  dan nilai varians untuk hari ke-31 sebesar . Sehingga dapat ditarik kesimpulan bahwa diprediksi nilai return saham  harian mengalami penurunan sebesar  -0,001323 +- 0,0265.
ESTIMATOR BAYES UNTUK RATA-RATA TAHAN HIDUP DARI DISTRIBUSI RAYLEIGH PADA DATA DISENSOR TIPE II Ni’mah, Roudlotin; Agoestanto, Arief
Unnes Journal of Mathematics Vol 3 No 2 (2014)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v3i2.4338

Abstract

Analisis data waktu hidup merupakan salah satu teknik statistika yang berguna untuk melakukan pengujian tentang tahan hidup atau keandalan suatu komponen. Data disensor tipe II merupakan data kematian atau kegagalan yang tidak lengkap (incomplete mortality data) yaitu data waktu kematian atau kegagalan dari  observasi terkecil dalam sampel random yang berukuran  dengan  . Salah satu distribusi yang digunakan dalam analisis data uji hidup adalah distribusi Rayleigh. Penelitian ini akan membahas estimasi parameter rata-rata waktu hidup dari distribusi Rayleigh pada data disensor tipe II dengan metode Bayes serta simulasi dengan program Microsoft Visual Basic versi 6.0. Distribusi prior yang digunakan adalah distribusi prior Jeffrey.
PERBANDINGAN PERAMALAN CURAH HUJAN DENGAN METODE BAYESIAN MODEL AVERAGING DAN KALMAN FILTER Artanto, Noviesag; Agoestanto, Arief
Unnes Journal of Mathematics Vol 4 No 1 (2015)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v4i1.7421

Abstract

Pada era sekarang tanpa disadari dampak dari pemanasan global semakin terasa, salah satunya berupa perubahan iklim. Perubahan cuaca seperti musim hujan yang tak menentu merupakan salah satu tanda berubahnya iklim. Padahal dalam suatu jenis pekerjaan tertentu hujan yang turun dapat mempengaruhi hasil produksi. Oleh karena itu dibutuhkanlah prediksi untuk mengetahui curah hujan yang turun pada suatu tempat sehingga tidak merugikan aktifitas manusia. Dalam penelitian ini akan dikaji tentang membandingan dua metode peramalan yaitu metode Bayesian Model Averaging dengan metode Kalman Filter. Dengan membandingan kedua metode peramalan tersebut diharapkan dapat diketahui metode mana yang ternyata memberikan hasil prediksi yang lebih optimal dalam menentukan tingginya curah hujan
KLASIFIKASI TINGKAT KESEJAHTERAAN KELUARGA PROVINSI JAWA TENGAH TAHUN 2015 MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL DAN SUPPORT VECTOR MACHINE AGUSTINA, SELY; AGOESTANTO, ARIEF; HENDIKAWATI, PUTRIAJI
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11678

Abstract

Tahapan keluarga sejahtera dibagi menjadi 3 kategori, untuk menentukan kategori yang cocok dari data yang kombinasinya rumit dapat menggunakan teknik klasifikasi. Tujuan dari penelitian ini adalah untuk mengetahui metode yang memberikan ketepatan hasil klasifikasi yang lebih baik antara Regresi Logistik Ordinal dan Support Vector Machine (SVM). Data yang digunakan adalah data tingkat kesejahteraan keluarga Jawa Tengah yang diperoleh dari hasil survei Pendataan Keluarga (PK) 2015 oleh BKKBN Provinsi Jawa Tengah, sejumlah 322 data keluarga dan dibagi menjadi data training 80% sejumlah 259 dan data testing 20% sejumlah 64. Metode Regresi Logistik Ordinal dilakukan dengan estimasi data training untuk menentukan model logit awal, uji signifikansi menggunakan uji rasio Likelihood dan uji Wald, model logit yang signifikan digunakan untuk mengklasifikasi data testing. Metode SVM dilakukan dengan memodelkan data training menggunakan fungsi kernel Linear, Polynomial, dan Gaussian RBF, fungsi kernel terbaik digunakan untuk mengklasifikasi data testing. Hasil analisis metode Regresi Logistik Ordinal diperoleh nilai ketepatan klasifikasi sebesar 81,25%. Metode SVM dengan kernel Linear sebagai fungsi kernel terbaik menghasilkan nilai ketepatan klasifikasi sebesar 95,31% . Artinya metode SVM melakukan klasifikasi lebih baik jika dibandingkan dengan klasifikasi metode Regresi Logistk Ordinal. Sehingga untuk penelitian mengenai klasifikasi selanjutnya disarankan menggunakan metode SVM. Stages of a prosperous family is divided into three categories, to determine the appropriate category of complicated combinations of data can use classification techniques. The purpose of this study was to determine the accuracy of the method provides a better classification between Ordinal Logistic Regression and Support Vector Machine (SVM). The data used is the data rate of the family welfare in Central Java were obtained from the survey of Family Data Collection (PK) in 2015 by BKKBN of Central Java province, some 322 family data and is divided into a number of training data 80% 259 20% testing data and number 64. Regression Methods Ordinal logistic done with the estimated training data to determine initial logit model, the significance test using the likelihood ratio test and Wald test, significant logit models were used to classify the data testing. SVM method is done by modeling the training data using Linear kernel function, polynomial, and Gaussian RBF, the kernel function is best used to classify the data testing. The results of the analysis method Ordinal Logistic Regression values obtained classification accuracy of 81.25%. Linear SVM method with the kernel as the kernel function best yield value of classification accuracy of 95.31%. This means SVM classification method is better than the classification Logistk Ordinal Regression method. So to study further recommended the classification using SVM method.
MODEL HYBRID ARIMA-GARCH UNTUK ESTIMASI VOLATILITAS HARGA EMAS MENGGUNAKAN SOFTWARE R FAUSTINA, RIZA SILVIA; AGOESTANTO, ARIEF; HENDIKAWATI, PUTRIAJI
Unnes Journal of Mathematics Vol 6 No 1 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i1.11681

Abstract

Model Hybrid ARIMA-GARCH merupakan model penggabungan dari model ARIMA dan GARCH, yang dapat digunakan untuk mengatasi masalah residual model ARIMA yang terindikasi adanya heteroskedastik dalam variansi residual (volatilitas). Tujuan dari penelitian ini adalah untuk menemukan model terbaik Hybrid ARIMA-GARCH untuk data harga emas dan meramalkan data emas periode Juni sampai Oktober 2016. Metode penelitian meliputi perumusan masalah, pengumpulan data, pengolahan dan analisis data, serta penarikan kesimpulan. Tahapan dalam analisis dan pembahasan yaitu statistika deskriptif, pengujian stasioneritas, pembentukan model kondisional mean (ARIMA), pembentukan model kondisional varian (GARCH), penggabungan model hybrid ARIMA-GARCH, menentukan model terbaik hybrid ARIMA-GARCH, melakukan pengukuran akurasi peramalan hybrid ARIMA-GARCH, dan peramalan. Hasil dari penelitian ini diperoleh model terbaik untuk harga emas adalah hybrid ARIMA(2,1,3)-GARCH(1,1) dengan nilai MAPE = 2,2685% dan nilai MPE = -0,01543. Berdasarkan model terbaik tersebut diperoleh hasil peramalan untuk periode Juni sampai Oktober 2016 berturut–turut adalah Rp524.722,5276; Rp522.404,5077; Rp501.819,4615; Rp501.514,1764; Rp505.704,409, yang menunjukkan bahwa harga emas pada bulan Juni sampai dengan September 2016 mengalami penurunan harga. Hybrid ARIMA-GARCH is the models to combining ARIMA models and GARCH models, whish can be use to estimate residual ARIMA models that indicate the existence of heteroskedasticity from residual’s variance (volatility). The purpose of this research was to find the best model hybrid ARIMA-GARCH for gold price and forecast gold price from June – October 2016. The method includes the formulation of the problem, data collection, processing and data analysis, then also conclusion. Stage in the analysis and discussion that is descriptive statistics, stationary test, the estimate of the conditional mean (ARIMA), the estimate conditional variance (GARCH), combining hybrid ARIMA-GARCH models, determine the best model of hybrid ARIMA-GARCH models, measurement accuracy of forecasting hybrid ARIMA-GARCH, and forecasting. The result of the research were obtained the best model for the price gold is a hybrid ARIMA(2,1,3)-GARCH(1,1) with the value of MAPE = 2,2685% and the value of MPE = -0,01543. Based on the best model, obtained the forecast result for the period from June-October 2016 in a row are Rp524.722,5276; Rp522.404,5077; Rp501.819,4615; Rp501.514,1764; Rp505.704,409 which shows that the gold price in June to the September 2016 experienced a decline in gold prices continuously.
BATASAN PRASYARAT UJI NORMALITAS DAN UJI HOMOGENITAS PADA MODEL REGRESI LINEAR sari, atmira qurnia; Sukestiyarno, YL; Agoestanto, Arief
Unnes Journal of Mathematics Vol 6 No 2 (2017)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v6i2.11887

Abstract

Abstrak Kegiatan ini mengkaji tentang pentingnya pengujian normalitas dan homogenitas pada model regresi linear. Penelitian ini bertujuan untuk menemukan prinsip yang dapat diberlakukan secara umum atau bersifat universal tentang seberapa penting uji normalitas dan uji homogenitas serta kekekaran uji t dan uji f terhadap pelanggaran normalitas dan homogenitas data. Asumsi awal suatu persamaan regresi linear dikatakan baik jika error / galat regresi berdistribusi normal dan homogen. Setiap suku galat diasumsikan mempunyai ragam yang sama , oleh karenanya respons mempunyai ragam yang sama pula. Model regresi mengasumsikan bahwa sebaran peluang bagi Y mempunyai ragam yang sama s2, tidak tergantung pada nilai peubah bebas X. Karena error mempunyai distribusi, sedangkan tidak, maka juga mempunyai distribusi yang sesuai dengan yaitu . Karena asumsi galat berdistribusi normal dan homogen berdampak pada variabel dependen (Y) maka yang diuji normalitas dan homogenitas adalah variabel Y dan variabel independen (X) diasumsikan bukan variabel acak. Untuk menunjukkan kekekaran uji t dan uji f terhadap pelanggaran normalitas dan homogenitas data dengan menggunakan simulasi data. Data yang digunakan adalah bangkitan dengan bantuan program R. Data yang dibangkitkan adalah dua kelompok data tidak normal dan heterogen varian. Tahap simulasinya yaitu data bangkitan dilakukan uji t dan uji F serta diperoleh nilai p, hasil yang di dapat adalah nilai p dari semua data simulasi tersebut memperoleh nilai p > 0,05. Nilai p > 0,05 menunjukkan data yang diperoleh konsisten dengan hipotesis nol, sehingga data yang tidak normal dan tidak homogen tersebut terbukti normal. Diperoleh kesimpulan bahwa uji t dan uji F terbukti kekar terhadap ketidaknormalan dan homogenitas data.
PEMODELAN GENERALIZED POISSON REGRESSION (GPR) UNTUK MENGATASI PELANGGARAN EQUIDISPERSI PADA REGRESI POISSON KASUS CAMPAK DI KOTA SEMARANG TAHUN 2013 Ruliana, Ruliana; Hendikawati, Putriaji; Agoestanto, Arief
Unnes Journal of Mathematics Vol 5 No 1 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i1.13103

Abstract

The measles the Semarang experience fluctuates every year, so that the City Health Agency (DKK) Semarang put special attention to reducing many cases measles.In the case of smallpox semarang 2013 was data discrete Poisson. Regression Poisson is nonlinear regression used to analyze data count variable response Poisson and meet the equidispersi. In practice often occurs in violation of discrete overdispersi analysis of data in regression poisson underdispersi and models or improper use.To anticipate such violation used Generalized Poisson Regression in modeling (GPR) data. In this research are variable response used in the case of smallpox Semarang 2013 and variable prediktor used is many medicines measles, community health centers, the poverty and overcrowding every subdistrict across Semarang town. The best model Generalized Poisson Regression (GPR) was gotten.
METODE LEAST TRIMMED SQUARE (LTS) DAN MM-ESTIMATION UNTUK MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER Dewi, Elok Tri Kusuma; Agoestanto, Arief; Sunarmi, Sunarmi
Unnes Journal of Mathematics Vol 5 No 1 (2016)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v5i1.13104

Abstract

This article discusses the theoretical study and use excel and SPSS 19 application of Least Trimmed Square (LTS) methods and MM-estimation methods. Theoretical study focused on the elaboration of the concept of outlier, least trimmed square methods and MM-estimation methods and selection best model use the criteria R2 and resid value. Outlier is data on who did not attend a pattern common regression on the model produced, or not follow as a pattern data as a whole. The existence of outlier in the data can be disrupt the process of data analysis, that led to the data on residual and variance become larger. This research aims to know the effectiveness of robust regression method with Least Trimmed Square (LTS) and MM-estimation in multiple linear regression. This data consisting of age (X1) and body mass index (X2) as variable independent while systolik blood pressure (Y) as dependent variables. The model produced using Least Trimmed Square methods that is Y^=67.141+0.649X1+0.587X2. Regarding the resulting uses the method MM-estimation that is Y^=65.308+0.666X1+0.618X2. Because at Least Trimmed Square method (LTS) obtained the R2 value of is bigger and smaller than the residual method of MM-estimation then it can be concluded that the method of Least Square Trimmed (LTS) is more efficient in the estimate parameter of the regression compared the methods of MMestimation
PERAMALAN DERET WAKTU DENGAN MENGGUNAKAN AUTOREGRESSIVE (AR), JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION (RBF) DAN HIBRID AR-RBF PADA INFLASI INDONESIA HIKMAH, AL; Agoestanto, Arief; Arifudin, Riza
Unnes Journal of Mathematics Vol 7 No 2 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i2.13987

Abstract

Tujuan penelitian ini adalah untuk menentukan hasil ramalan inflasi enam bulan berikutnya yaitu bulan Oktober 2016, November 2016, Desember 2016, Januari 2017, Februari 2017 dan Maret 2017 menggunakan metode Autoregressive (AR), Jaringan Syaraf Tiruan (JST) Radial Basis Function (RBF) dan hibrid AR-RBF. Selain itu untuk mengetahui metode mana yang lebih akurat untuk peramalan. Metode AR dapat menganalisis masalah bagian linier data. Sedangkan, metode JST RBF dapat digunakan untuk memprediksi data nonlinier. Metode hibrid AR-RBF merupakan penggabungan dua buah metode yaitu AR dan JST RBF. Metode penelitian yang digunakan yaitu kajian pustaka. Data yang digunakan yaitu tingkat inflasi Indonesia berdasarkan Indeks Harga Konsumen (IHK) pada bulan Januari 2003 sampai dengan September 2016. Hasil analisia menunjukkan bahwa hasil JST RBF memiliki hasil yang lebih akurat dari pada AR dan hibrid AR-RBF. Hal ini terlihat dari nilai MAPE JST RBF paling kecil yaitu 7,12199%. Hasil peramalan dengan metode JST RBF secara berturut-turut sebesar 3,0960%; 3,3567%; 3,4304%; 3,5468%; 3,6701% dan 3,8570%. The purpose of this research is to forecast the inflation on October 2016, November 2016, December 2016, January 2017, February 2017 and March 2017 using Autoregressive (AR), Radial Basis Function (RBF) Neural Network (NN) and hybrid AR-RBF. Except that the purpose of this reserach to get accurate method. AR methode can be use to analys problem of linear time series data. On contrasting with AR, RBF-NN method can to predict nonlinear data. While hybrid AR-RBF method is the combination of two method, AR and RBFNN. The research method will be use is examine of books. This method is examined by using the data Inflation of Indonesian according to Consumer Price Index (CPI) on January 2003 until September 2016. The result of analysis indicate that RBF NN model get more accurate result than AR model and hybrid AR-RBF. It is shown that value MAPE of RBF NN method is the smallest percentage with 7,12199%. The result of forecasting with RBFNN method on consistenly 3,0960%; 3,3567%; 3,4304%; 3,5468%; 3,6701% and 3,8570%.
The Queue System Optimization on Motorcycle Service Based on Aspiration Level Model (Case Study of Workshop Ahass Handayani Motor (1706) Semarag) Oktaviyanty, Hetty; Dwidayati, Nur Karomah; Agoestanto, Arief
Unnes Journal of Mathematics Vol 7 No 2 (2018)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/ujm.v7i2.20765

Abstract

The purpose of this research is to determine the optimal number of server by using queuing system based on aspiration level model at Ahass Handayani Motor (1706) Semarang workshop. In general, queues arise due to service needs that exceed the capacity and service facilities available. Therefore, to provide excellent service for customers, required an optimal service system. The study was conducted by taking primary data for two days in rush hour. The results obtained, the queue system at the workshop Ahass Handayani Motor (1706) Semarang using FIFO queue discipline with 6 servers. The arrival time distribution is the poisson distribution and the service time distribution is the exponential distribution. So we get the queue model (M / M / 6) :( GD / ∞ / ∞). Based on the aspiration level model, the queuing model in the workshop of Ahass Handayani Motor (1706) Semarang is optimal with 6 servers. With condition: 1) customer does not wait more than 2 hours to be served, 2) server idle time not more than 10 minutes. Size of server effectiveness is said to be optimal because it has an average waiting time in the system for 1.6361 hours on May 22, 2017 with a percentage of idle time of the waiters 7,5947% and the average waiting time in the system for 2.01 hours on the 23rd May 2017 with the percentage of unemployed servants 7,2188%.
Co-Authors Adi Nur Cahyono Afifah, Siti Atiatul AGUSTINA, SELY Ahmad Badawi, Ahmad Ahmad Musyafak Apriliani, Yustika Rakhma Arie Wahyuni Artanto, Noviesag Ary Woro Kurniasih Bambang Eko Susilo Bambang Eko Susilo Budi Waluya Deby Ashri Khardita Dewi, Ardhyani Yunika Dewi, Elok Tri Kusuma Dr. Masrukan, Dr. Dwijanto Dwijanto Eko Andy Purnomo Ellya Masturina Hamid Endang Retno Winarti Erlinda Isulis Marissa Fani Laffanillah Fani Fathiya, Rina Nurul FAUSTINA, RIZA SILVIA Fifqi Inayah Hamidah Hamidah Hanif Jauhar Noor Hardi Suyitno Harti, Laela Sih Hikmah, Al Ihtiani, Ana Iqbal Kharisudin Isnarto Isnarto Isnarto, Isnarto Isti, Nur Aisyah Iwan Junaedi Jaka Wijaya Kusuma Kartono - Khasmarawati, Vinda Kinasih, Sekar Latifah, Nana Umi LILIK SUPONO Mahfiyah, Amaliyatul Mashuri - Mashuri Mashuri Masrukan Masrukan Masrukan Masrukan Miranti, Nawang Kusuma Muchammad Imron Muchtar Adam Muachor Muhammad Fayakuun Muhammad Kharis Muhammad Kharis Muhammad Rizcky Kurniawan Muhammad Syaiful Rohman Syaiful Muhammad Zuhair Zahid, Muhammad Zuhair Mulyono Mulyono Mulyono Mulyono Ni’mah, Roudlotin Nor Amalliyah Nuriana Rachmani Dewi Nurintya, Fairusz Hanan Nurkaromah Dwidayati, Nurkaromah Oktaviyanty, Hetty Paradita, Evelyn Permanawati, Fitra Inda Priyanto, Oei Yuda Setiyo Puji Handayani Putriaji Hendikawati Ratih Kusumawati Ratri Rahayu Riza Arifudin Rochmad - Ruliana Ruliana, Ruliana Saputro, Didik Adi sari, atmira qurnia Savitri, Soviana Nur Scolastika Mariani Septiana, Meli Sopyyev, Ylyas St. Budi Waluya Sugiman Sugiman Sukestiyarno Sukestiyarno Sukestiyarno Sukestiyarno Sunarmi Sunarmi T.D. Setyaningsih, T.D. Tsania Rahma Azzahra Ula Himatul Aliyah Vera Dewi Susanti Wijaya, Linda Winanti, Kresni Winanti, Kresni Witha Paramitha Wuryanto Wuryanto YL Sukerstriyarno YL Sukestiyarno YL Sukestriyarno Yohanes Leonardus Sukestiyarno Yulianto, Dimas Arif Yuliyani Yuliyani, Yuliyani Zaenuri Mastur